首页 > 科技快讯 > CMU计算机及心理学系教授Ken Koedinger：用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会

CMU计算机及心理学系教授Ken Koedinger：用AI探索高效学习的边界 | AIAED全球AI智适应教育峰会

晰数塔互联网快讯
2019-05-25 23:01

2019年5月24-25日，第三届AIAED全球AI智适应教育峰会召开。“人工智能+”这两年快速兴起，其中人工智能和教育因为其天然的结合基础，获得了快速融合发展。为了更好地推动人工智能教育产业的发展，打通行业信息流动通道，推动全球的科研机构、投资机构、教育机构形成合力，36氪联合乂学教育-松鼠AI等产业链头部机构举办第三届AIAED全球AI智适应教育峰会，旨在“在全球普及人工智能教育，推动人工智能技术对教育的改变和发展，为了人类更好的教育公平性和教育成果做出贡献”。

曾经马车是人们出行时，效率最高的工具，而到了如今，我们拥有了汽车和飞机，出行速度提高了十倍以上。在越来越追求效率的今天，我们更想要探索学习能力的最大边界，追求学习效率的大幅提升，而CMU计算机及心理学系教授、Cognitive Tutor软件的开发领导者Ken Koedinger教授演讲就认为，如果我们能让AI 和教育结合，把学习科学融入到日常的学习中去，构建学习工程的框架，学生的学习效率也会较之今天提高十倍以上。

以下是经整理后的演讲全文：

非常高兴来到这里。我今天想要谈一谈，我们怎么样让AI和教育变得更高效，怎么通过把学习科学融入其中，做到从学习科学，到学习工程。

我在上个世纪90年代开发了Cognitive Tutor软件，把AI和学习科学结合在一起。我们可以看看在这个系统当中，AI会发挥什么样的角色——其中有一个项目就是学生参与其中，解决真实场景中的问题。学生会参与一个电话会议，通过不同的表格、图表来处理信息。如果他们需要帮助的话，整个过程中会有一个AI老师，为他们提供辅助。学生可以制作一些量化表，对比不同的方案。这个系统可以指导学生，告诉他们，他们遗忘了哪些关键的信息。如果他们需要帮助，需要指导，可以随时让老师提示他们。

我想强调的一点是，在常规的课堂当中，所有的学生得到的，都是一成不变的指导，而在我们这个系统当中，每个学生得到的指导，都是根据他们的需求，个性化定制的。这不仅是解决学习这一个问题，更是会关乎学生的发展。我们会及时追踪学生的发展，通过这样的算法，我们还可以检测到学生在哪里犯了错误，哪里需要协助，帮助他们持续提升表现，这就是AI能够做到的改变。

在这个专家体系当中，我们还有各种办法，去预测学生可能会犯的错误。我们有两个关键的算法，第一个是模型追踪，在AI的帮助下，大家会产生一个计划的认识，学生可以理解到他们最核心的竞争力，然后我们可以提供一些基于场景的指导。当学生犯了错误之后，或者当他们不再需要提示的时候，我们就把他们推到下一步，借此来控制学生的学习过程，学生在得到帮助之后，会回复是否取得进步。然后每个学生会生成自己的知识轨迹，我们可以通过这个知识轨迹来评测学生学习的成长过程，以及他们知识学习的过程。

另一方面，这样的学习轨迹还展示了学生对每个关键知识的掌握程度，也能够把课程进行个性化。我们用了很多的数据来优化整个办法。但是在这里我想说一下，我们做了很多的研究，始于90年代早期，去评测这个系统的有效性。我们在140多个学校当中做了这个随机的实验，用认知教师来帮助学生。对比传统的教学办法，用了认知教师的学生，他们的学习结果在一年过后，比传统的大学要好得多。

这个课程不仅限于大学课程，我们还在开放学习的过程当中，测试了很多不同的学科，还有很多不同的场景和内容。一个非常令人震惊的研究结果就是，所有这些数据课程，都是由数据驱动的。我们比较了传统大学课程，和现在智适应数据驱动的课程，在这个课程当中，我们的教学时间只有半个学期，学生在其中得到这种基于数据化的教学和指导，然后老师也能看到学生的数据，他们只要花一半的学习时间，此外的时间会用来解决这些数据所显示的，学生需要解决的问题。所以他们的沟通非常的高效和频繁，最后的结果就是，学生们可以成就更多，也就是说事倍功半。

我们其实还可以做得更好。我们都知道因为有了汽车，让我们的交通更加高效了，而现在的教育方式，就相当于变成了飞机一样，一起来看看，我们如何从汽车到飞机的。

首先只有应用和学习是不够的，在美国，我们也有很多随机对照的实验，帮助我们去找到方法，但是我们最后的结果不太好，因为只有10%左右的研究，给我们带来了非常积极的结果，其他都是不太理想的。如果我们是不同的学习科学家，我们必须要对不同的教育进行优化，说到这些优化的时候，大家是有不同的见解。

第一，我们得考虑我们到底有多少教学的方式，有人会说我们有直接指导的方式，但是我们通过这样的直接教育方式，必须要从基础开始提供更多的支持。但是有些人说不能这样做，必须以逻辑基础来进行学习，所以这两者的区别是非常非常的不同。说到具体，它们更是不一样，并且涵盖了很多不同的方方面面。

我们是不是要让学生考试，或者是问他们课堂的问题，而是一半对一半，然后再把这两个方面，和另外三个方向进行结合。说到方方面面，至少现在已经有30多个不同的方面，所以教学不单单只是有两种方式，我们其实是一共有250万亿的方式，这是一个很大的数据，这也是一个很大的挑战。

因此深度学习的象限到底怎么来处理呢？

这其中包括很多的可能性，也包括很多的机遇，这也说明了我们为什么把这个技术用在教育上面。

在计划的推进过程中，我们可以看到不同的意见和建议，建议就是让我们更多的重视课堂小考，做大量的问题解决，比如说小测试。但是这个报告当中还有另外一个推荐，说的是完全相反的，说我们可能过多重视解决问题了，我们需要给更多的例子才行。现在我想解释一下，为什么在推荐的方案当中，居然还有这么大的矛盾，我们如何才能解决这样的矛盾呢？

为了解决这样的矛盾，其实在学习的时候，有一个工程建造的过程，我们必须得知道不同的学习方法是如何支持学习的，因为它们有不同的效果；以及我们最终需要有什么样的学习结果，包括学习之后，我们希望有怎样的最终结果。

我们必须要找到相关的功能，来支持最终的学习结果，当然也不能停滞在这，必须要开发出来新的系统，来帮助我们进行更多的筛选。

那么我们是如何来做的呢？非常幸运，在美国我们得到了国家科学基金会的基金，在过去的十年当中，拿到了5千万的投资，在匹兹堡学习中心进行各种各样的学习解决方案的研究，而且探寻它们的应用。我们也把各种各样的学习研究中心放在了学校当中，可以直接在学生的身上来进行研究，从而能对试验进程进行更好的观察和监控。

这是一个非常复杂的框架，里面有三个分类，最下面的第一个就是知识的组分。虽然说知识组分看起来非常简单，但其实它是非常复杂的，因为我们分了好几层，比如说像知识，学生在美国学习中文词汇的时候，肯定是有一些技能的，这些技能都是实时要进行的，这是我们的指导教师的方面。比如说像几何或者是代数，还有原认知的东西，甚至还有一些软的技能也是非常关键的，这就属于规则。

但是不管怎么样，一切还是要取决于我们到底是最终要达到什么样的知识学习目标，因此智适应学习就非常重要，我们需要不同的机制，而且根据不同的机制建立不同的指导原则，这就要求大家所要学习的知识，和正确的教学方式进行匹配，可能还会更复杂。

比如我们是有课堂的对话，像词汇的学习，如果说对话，其实是非常消极，因为它会占教师和学生的时间。不管怎么样，这样的框架可以解决相关的冲突，而且有一些不同的学科也在不断的探索不同的学习过程，从而我们就知道到底我们可以做一些什么东西，但是关键在于要看不同的作用，以及对最后学习结果的影响。

如果说在学习科学当中最重要的一课是什么，那就是对非常复杂的学习能力的建设，还有就是有效的合作，并且要有同理心。有些人天生就可以做得很好，但是有些人在做的时候，就需要花更多的努力，才能更好的成长，更好的培养这些能力。实际上我们在研究天才的时候，会发现这些天才其实也是非常努力的，比如莫扎特在16岁就写了第一部交响曲，其实他在6岁的时候就开始学作曲了，花了十年的时间才写了第一部交响曲。还有比尔盖茨，还有国际象棋大师，以及披头士乐队，其实他们之前都是在车库里面花了很多的时间来操练，也是花了十年的时间才最终成为大师的。

对于学术来讲也是如此，比如说阅读、写作、教学和数学之类的，也是需要花很多的时间。刻意练习是非常重要的。说到刻意教学和练习是有几个非常重要的组成部分，第一，我们必须努力工作，从而提高绩效。第二，我们得有足够的内在动机，从而让我们参与到任务当中来。第三，必须要考虑到自己的弱点，因为我们在进行指导的原则设计的时候，必须要保证任务，必须要放在我们不擅长的地方，这也是我们可以利用数据的地方，我们可以通过数据知道这个学习者的弱点在什么地方。第四就是反馈，因为反馈可以让学生在长期不断的反复，不断的操练，但是我们如何才能够让这个练习更加的个性化呢？

我们在这当中所做的，是基于数据发现需求，然后去关注学生的这个需求，然后创造了非常独立的实践。这不是一个AI的魔法，但是设计得非常好，我们让学生做的就是，提出一个解题的计划和方案，然后告诉他们这个解题方案是不是正确的，最后实现了闭环。通过这样的方法，我们让学生在半个小时里面，学习了更多的知识，我们给学生设计解题方案的时间，减少了传统老师教授的时间，时间节约了25%。

有的人说我不关心时间，但是大多数的家长，如果你们的孩子在上大学的时间能够从四年降到三年，他们会省25%的学费。同时学习的效果也好很多，因此这是非常有前景的，有希望的。我们不仅可以应用科学，还能够实现迭代，收集更多的数据，用数据给我们提供更多的视角，再去设计这样的方案，然后实现这样的循环，设计数据部署，这不仅是关于AI的设计交互，也是我们在技术研究领域所应该做的。

最后我想说，还有非常关键的一步，就是刻意的练习，这是学生使用时间的关键，学生需要多加练习，形成准确的评估。松鼠AI这样的体系，只要学生愿意去用它，就是非常好的，如果学生不用，肯定不会有提升。当我们看数据的时候，我们会发现，不是所有的课堂都能用这样的工具，在购买了这些系统的地方，那些使用辅导老师超过40个小时的学校，能收到非常好的效果，但目前这样的学校是非常少的。

Y轴是学生学习的效果，X轴是显示的时间，投入越多，获得的成果就越好。大家可以看到，很多的学校没有太多的时间来使用这个系统，因此学校的老师也需要自己去做正确的选择。即使学校买了，老师也可能不经常用，学生层面可能也是类似的问题。

我们有不同的方法去干预学生的行为，帮助他们学习动机，这就是我们的大计划，我希望更多的人可以参与进来，帮助我们执行这个计划，从两倍到十倍的学习，因此我们只需要一起去行动，学习科学是一个很好的开始，迭代工程是可靠的学习科学的关键。

大家现在会发现，我们可以从两倍的提升飞跃到十倍的提升，从汽车时代直接迈入飞机时代，我也邀请大家同我们合作，到达这样一个美好的未来。